PSCS-I

PSCS-I是一个使用虚幻引擎5（UE5）最先进渲染能力生成的合成数据集，专门设计用于人群行为分析任务。具体来说，PSCS-I是第一个合成数据集，能够：1. 从26个独特的室内环境中捕获多个场景，提供超过53.8小时的帧级注释视频；2. 包含多种正常（行走和社交）和异常（混合跑步、疏散和打斗）人群行为，每种行为都伴随触发事件（如地震）；3. 引入从随身摄像机（BWC）捕获的视频；4. 通过UE5的渲染能力和使用增强真实感增强方法，弥合模拟与现实的差距，优于真实世界数据集；5. 在多类分类中显著挑战当前最先进的人群行为分析方法。

PSCS-I is a synthetic dataset generated utilizing the state-of-the-art rendering capabilities of Unreal Engine 5 (UE5), specifically tailored for crowd behavior analysis tasks. Specifically, PSCS-I represents the first synthetic dataset that:
1. Captures multiple scenes across 26 unique indoor environments, providing over 53.8 hours of frame-level annotated video;
2. Contains a diverse set of normal (walking and social interaction) and abnormal (mixed running, evacuation, and fighting) crowd behaviors, each accompanied by triggering events such as earthquakes;
3. Incorporates videos captured by body-worn cameras (BWC);
4. Bridges the simulation-to-reality gap via UE5’s advanced rendering capabilities and realism enhancement techniques, outperforming real-world datasets;
5. Significantly challenges current state-of-the-art crowd behavior analysis methods in multi-class classification tasks.

原始信息汇总

PSCS-I 数据集概述

数据集基本信息

• 数据集名称：Photorealistic Synthetic Crowds Simulation in Indoor environments (PSCS-I)
• 核心描述：一个用于逼真模拟人群恐慌和暴力行为的新型合成数据集。
• 生成技术：利用 Unreal Engine 5 (UE5) 的最先进渲染能力生成，并采用了 Enhancing Photorealism Enhancement 方法以减少模拟与现实的差距。
• 主要用途：专为人群行为分析任务设计，同时支持目标检测、语义/实例分割等任务。

数据集内容与规模

• 场景数量：包含来自 26 个独特室内环境的多个场景。
• 数据量：超过 53.8 小时的视频，并进行了逐帧标注。
• 行为类别：
  • 正常行为：行走和社交。
  • 异常行为：混合奔跑、疏散和打斗。
• 触发事件：每种异常行为都伴随有触发事件（例如地震）。
• 视角特色：引入了 Body Worn Cameras (BWC) 视角捕获的视频。

数据集获取与许可

• 获取地址：https://m4d.iti.gr/results/
• 使用限制：数据集基于 FAB EULA 许可，仅允许用于预测性任务（例如图像分类、目标检测），这些任务仅对原始内容进行操作并生成标签，不得用于生成新的内容。

数据集变体与任务支持

• 数据集变体：PSCS-I Synthetic、PSCS-I Enhanced 和 PSCS-I Union。
• 支持任务：
  1. 人群行为分析：提供与 CrimeNet 架构兼容的代码和预训练模型。
  2. 目标检测：提供人物和人物头部的检测标注，格式为 (x,y) 坐标，支持转换为 YOLO 格式。
  3. 语义/实例分割：支持转换为 COCO 兼容格式的数据集。

相关资源与引用

• 论文地址：https://ieeexplore.ieee.org/document/11267404/
• 数据集示例：https://www.kaggle.com/datasets/stefanospasios/synthetic-crowds-simulation-pscs-i
• 引用格式：

@ARTICLE{11267404, author={Pasios, Stefanos and Gkountakos, Konstantinos and Ioannidis, Konstantinos and Tsikrika, Theodora and Vrochidis, Stefanos and Kompatsiaris, Ioannis}, journal={IEEE Access}, title={Photorealistic Synthetic Crowds Simulation in Indoor environments (PSCS-I): a novel synthetic dataset for realistic simulation of crowd panic and violence behaviors}, year={2025}, volume={}, number={}, pages={1-1}, keywords={Videos;Synthetic data;Indoor environment;Photorealism;Engines;Annotations;Visualization;Training;Weapons;Lighting;Synthetic Dataset;Crowd Analysis;Abnormal Behavior Detection;Photorealism Enhancement;Unreal Engine}, doi={10.1109/ACCESS.2025.3636727}}

搜集汇总

数据集介绍

构建方式

在计算机视觉与群体行为分析领域，合成数据集的构建正成为弥补真实数据稀缺与标注成本高昂的关键途径。PSCS-I数据集采用虚幻引擎5（UE5）这一先进渲染平台，精心模拟了26个独特的室内环境场景，生成了超过53.8小时的逐帧标注视频。其构建过程不仅涵盖了正常行走、社交互动等常规行为，更系统性地引入了由地震等事件触发的异常行为，如奔跑、疏散与打斗。为提升视觉真实感，部分视频还应用了基于CARLA模拟器预训练的“增强真实感增强”技术进行后处理，有效缩小了合成与真实场景之间的视觉差异。

使用方法

为便于研究者使用，PSCS-I提供了配套的代码与预训练模型。对于群体行为分析任务，用户可下载CrimeNet架构，并通过修改配置文件中的路径指向本地的数据集与标注文件，即可启动模型训练或评估。数据集支持转换为YOLO或COCO格式，以适配目标检测与分割模型的训练流程，相关脚本已包含在代码库中。用户需注意，根据许可协议，数据集仅限用于基于原始内容进行预测的任务（如图像分类、目标检测），不得用于生成新内容的生成式人工智能应用。完整数据集可通过指定平台申请获取。

背景与挑战

背景概述

在计算机视觉与群体行为分析领域，合成数据集的构建对于解决真实数据稀缺、隐私保护及标注成本高昂等问题具有关键意义。PSCS-I数据集由希腊信息学与电信研究所（ITI）的Stefanos Pasios等研究人员于2025年创建，旨在通过虚幻引擎5的高保真渲染技术，模拟室内环境下的群体恐慌与暴力行为。该数据集的核心研究问题聚焦于提升异常群体行为检测的准确性，通过涵盖26种独特室内场景、超过53.8小时的帧级标注视频，以及引入身体佩戴摄像机视角，显著推动了群体行为分析模型在复杂环境下的泛化能力，并为跨领域应用如公共安全监控与智能安防系统提供了重要数据支撑。

当前挑战

PSCS-I数据集致力于解决群体行为分析中异常检测的多类别分类挑战，特别是在室内场景下识别混合奔跑、疏散与打斗等复杂行为模式。构建过程中面临的主要挑战包括：其一，需通过虚幻引擎5与增强真实感技术弥合合成数据与真实场景之间的仿真差距，确保模型在现实世界中的有效性；其二，数据标注需精确捕捉帧级行为变化与触发事件（如地震），这对标注一致性与时序逻辑提出了极高要求；其三，数据集的合规使用受限于原始资产许可协议，仅能用于预测性任务，限制了其在生成式人工智能领域的扩展应用。

常用场景

经典使用场景

在人群行为分析领域，PSCS-I数据集为研究室内环境下的群体恐慌与暴力行为模拟提供了高度逼真的合成数据基础。该数据集通过Unreal Engine 5的先进渲染技术，生成了超过53.8小时的帧级标注视频，涵盖26种独特室内场景，精准捕捉了正常行走、社交互动以及异常奔跑、疏散和打斗等多类行为模式。其经典应用场景在于训练和评估多类别人群行为分类模型，特别是在模拟触发事件如地震等紧急状况下的群体反应，为算法在复杂动态环境中的鲁棒性测试提供了标准化平台。

解决学术问题

PSCS-I数据集有效应对了人群行为分析研究中真实数据稀缺、标注成本高昂以及仿真与现实差距显著等核心挑战。通过引入高保真合成数据，该数据集支持了对异常行为检测、群体动态建模以及事件触发机制的系统性探究，显著提升了多类别分类任务的基准性能。其采用的光照增强技术进一步弥合了仿真与现实之间的视觉差异，为计算机视觉领域提供了可扩展、可控且多样化的训练资源，推动了人群模拟与行为理解方法的创新与发展。

实际应用

在实际应用层面，PSCS-I数据集为公共安全监控、智能安防系统以及应急管理训练提供了关键数据支撑。其合成的室内人群恐慌与暴力行为视频可用于开发实时异常检测算法，辅助监控系统在机场、车站、商场等密集场所及时识别潜在风险。同时，数据集支持人体检测与分割任务，能够优化人群密度估计与轨迹预测模型，为疏散路径规划与安全设施设计提供数据驱动的决策依据，提升城市安全管理的前瞻性与响应效率。

数据集最近研究

最新研究方向

在人群行为分析领域，合成数据集的构建正成为突破真实数据局限的关键路径。PSCS-I数据集凭借Unreal Engine 5的高保真渲染技术，率先在室内场景中模拟了恐慌与暴力等异常群体行为，为算法训练提供了丰富且可控的视觉素材。当前研究聚焦于利用此类高真实感合成数据，通过迁移学习与域适应策略，弥合仿真与现实的鸿沟，进而提升异常行为检测模型在真实监控场景中的泛化能力。该数据集不仅推动了多类别人群行为分类的前沿探索，也为人体检测与实例分割等视觉任务提供了新的基准，对公共安全智能监控系统的演进具有显著的实践意义。